多场景下的驾驶分心识别方法、系统及车辆技术方案

本发明专利技术提供了一种多场景下的驾驶分心识别方法、系统及车辆，其方法包括：构建初始驾驶分心识别模型，获取多场景下的驾驶分心数据样本集，利用所述多场景下的驾驶分心数据样本集对所述初始驾驶分心识别模型进行训练，得到目标驾驶分心识别模型；实时获取车辆参数、周边环境信息和驾驶员头部数据，根据车辆参数和周边环境信息确定驾驶场景信息，并将所述车辆参数、驾驶员头部数据和驾驶场景信息输入目标驾驶分心识别模型，得到驾驶员驾驶状态；根据所述驾驶员驾驶状态确定预警信息。本发明专利技术通过建立多场景下的驾驶分心识别模型，实现对各种驾驶场景下的驾驶分心行为的准确识别并对驾驶分心行为发出警报，提高驾驶的安全性。提高驾驶的安全性。提高驾驶的安全性。

【技术实现步骤摘要】
多场景下的驾驶分心识别方法、系统及车辆


[0001]本专利技术涉及汽车驾驶研究
，具体涉及一种多场景下的驾驶分心识别方法、系统及车辆。

技术介绍

[0002]随着我国社会的发展和科学技术的进步，截止到2021年，我国机动车的保有量达到3.95亿辆，其中汽车保有量达到3.05亿辆。在2020一年当中，全国机动车交通事故发生24.45万件，其中由汽车造成的交通事故达到15.69万件(占比74％)。根据我国道路交通事故的统计分析，其中90％的交通事故是由于驾驶人造成的，而驾驶分心是造成交通事故的一个重要原因。
[0003]目前驾驶分心的检测方法主要是通过驾驶员生理反应指标、驾驶人操作行为、车辆运行轨迹等等进行检测。心电信号、脑电信号、肌电信号、皮电信号、呼吸、血压等这些生理反应指标虽然在驾驶过程中较易测量，但是由于直接与驾驶人接触，一定程度上会影响驾驶的安全性，这会对测量结果造成较大影响，导致识别准确率不高。并且，现有的驾驶分心识别研究仅仅是对单一场景(如城市道路)进行识别，缺乏对多场景(如城市道路、高速道路，人流量大的道路、人流量小的道路等)的驾驶员行为识别，即现有技术不能应对车辆在行驶中遇到的多种不同场景情况。
[0004]因此，如何在多种场景下非接触式的准确识别驾驶分心行为是亟待解决的问题。

技术实现思路

[0005]有鉴于此，有必要提供一种多场景下的驾驶分心识别方法、系统及车辆，在非接触式识别的同时能够根据不同道路场景对驾驶员分心状况进行准确识别。
[0006]一方面，为了实现上述目的，本专利技术提供了一种多场景下的驾驶分心识别方法，包括：
[0007]构建初始驾驶分心识别模型，获取多场景下的驾驶分心数据样本集，利用所述多场景下的驾驶分心数据样本集对所述初始驾驶分心识别模型进行训练，得到目标驾驶分心识别模型；
[0008]实时获取车辆参数、周边环境信息和驾驶员头部数据，根据车辆参数和周边环境信息确定驾驶场景信息，并将所述车辆参数、驾驶员头部数据和驾驶场景信息输入目标驾驶分心识别模型，得到驾驶员驾驶状态；
[0009]根据所述驾驶员驾驶状态确定预警信息。
[0010]在一些可能的实现方式中，所述构建初始驾驶分心识别模型，获取多场景下的驾驶分心数据样本集，利用所述多场景下的驾驶分心数据样本集对所述初始驾驶分心识别模型进行训练，得到目标驾驶分心识别模型，包括：
[0011]构建初始驾驶分心识别模型，所述初始驾驶分心识别模型包括N个场景驾驶分心识别模型，其中每个场景驾驶分心识别模型只识别一种场景下的驾驶分心行为，N为大于1
的整数；
[0012]获取多场景下的驾驶分心数据样本集，所述多场景下的驾驶分心数据样本集包括N个场景驾驶分心数据样本集；
[0013]基于所述N个场景驾驶分心数据样本集采用SVM算法对所述初始驾驶分心识别模型进行驾驶分心识别训练，得到N个目标场景驾驶分心识别模型，所述N个目标场景驾驶分心识别模型共同构成目标驾驶分心识别模型。
[0014]在一些可能的实现方式中，所述获取多场景下的驾驶分心数据样本集，包括：
[0015]通过驾驶模拟器构建不同驾驶场景，获取所述不同驾驶场景下分别在进行分心驾驶和正常驾驶状态下的驾驶员头部数据和车辆参数；
[0016]选取所述驾驶员头部数据和车辆参数中表征驾驶员存在驾驶分心的数据作为所述多场景下的驾驶分心数据样本集中的数据。
[0017]在一些可能的实现方式中，所述实时获取车辆参数、周边环境信息和驾驶员头部数据，根据车辆参数和周边环境信息确定驾驶场景信息，并将所述车辆参数、驾驶员头部数据和驾驶场景信息输入目标驾驶分心识别模型，得到驾驶员驾驶状态，包括：
[0018]实时获取车辆周边环境信息和车辆参数，根据周边环境信息确定驾驶场景信息；
[0019]实时获取驾驶员头部数据和车辆参数，将所述车辆参数、驾驶员头部信息和驾驶场景信息输入所述目标驾驶分心识别模型，根据驾驶场景信息切换对应的场景驾驶分心识别模型，所述对应的场景驾驶分心识别模型根据所述车辆参数和驾驶员头部信息识别得到驾驶员驾驶状态。
[0020]在一些可能的实现方式中，所述驾驶员驾驶状态，包括：驾驶员处于驾驶分心状态和驾驶员处于正常驾驶状态。
[0021]在一些可能的实现方式中，所述根据所述驾驶员驾驶状态确定预警信息，包括：
[0022]若驾驶员处于分心驾驶状态，则启用警报对驾驶员进行提醒；
[0023]若驾驶员处于正常驾驶状态，则不启用警报。
[0024]在一些可能的实现方式中，所述车辆参数包括：纵向车速平均值、纵向加速度标准差、方向盘转角、车辆航向角、车道位置、车辆间距、横向位置、转向灯状态、车道位置、车辆间距；
[0025]所述周边环境信息包括：弯道、同向的行人和非机动车距离、对向的行人和非机动车距离、物、行驶的对向车辆距离、跟随的同向车辆距离；
[0026]在一些可能的实现方式中，所述驾驶员头部数据包括：注视点位置、注视时间、注视持续时间、瞳孔直径、扫视持续时间、平均注视时间、路面注视时间比例、驾驶员头部转向角度、扫视频率、总扫视时间、视线离开路面时间。
[0027]另一方面，本专利技术还提供了一种多场景下的驾驶分心识别系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现上述实现方式中任一项所述的多场景下的驾驶分心识别方法。
[0028]另一方面，本专利技术还提供了一种车辆，包括上述实现方式中所述的多场景下的驾驶分心识别系统。
[0029]采用上述实施例的有益效果是：本专利技术提供的多场景下的驾驶分心识别方法，通过获取周边环境信息确定对应的驾驶场景，以应对实际驾驶过程中多变的驾驶场景，并使
用SVM算法进行模型训练，得到的驾驶分心识别模型包括多个场景驾驶分心识别模型，且每个场景驾驶分心识别模型只识别一种场景下的驾驶分心行为，使得识别的准确率显著提高，并能实时根据实际驾驶场景切换对应的场景驾驶分心识别模型，实现多场景下的驾驶分心识别。
附图说明
[0030]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术提供的多场景下的驾驶分心识别方法的一个实施例流程示意图；
[0032]图2为本专利技术实施例中S101的一个实施例流程示意图；
[0033]图3为本专利技术实施例中S102的一个实施例流程示意图；
[0034]图4为本专利技术提供的多场景下的驾驶分心识别系统的一个实施例结构示意图。
具体实施方式
[0035]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本专利技术一部分实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多场景下的驾驶分心识别方法，其特征在于，包括：构建初始驾驶分心识别模型，获取多场景下的驾驶分心数据样本集，利用所述多场景下的驾驶分心数据样本集对所述初始驾驶分心识别模型进行训练，得到目标驾驶分心识别模型；实时获取车辆参数、周边环境信息和驾驶员头部数据，根据车辆参数和周边环境信息确定驾驶场景信息，并将所述车辆参数、驾驶员头部数据和驾驶场景信息输入目标驾驶分心识别模型，得到驾驶员驾驶状态；根据所述驾驶员驾驶状态确定预警信息。2.根据权利要求1所述的一种多场景下的驾驶分心识别方法，其特征在于，所述构建初始驾驶分心识别模型，获取多场景下的驾驶分心数据样本集，利用所述多场景下的驾驶分心数据样本集对所述初始驾驶分心识别模型进行训练，得到目标驾驶分心识别模型，包括：构建初始驾驶分心识别模型，所述初始驾驶分心识别模型包括N个场景驾驶分心识别模型，其中每个场景驾驶分心识别模型只识别一种场景下的驾驶分心行为，N为大于1的整数；获取多场景下的驾驶分心数据样本集，所述多场景下的驾驶分心数据样本集包括N个场景驾驶分心数据样本集；基于所述N个场景驾驶分心数据样本集采用SVM算法对所述初始驾驶分心识别模型进行驾驶分心识别训练，得到N个目标场景驾驶分心识别模型，所述N个目标场景驾驶分心识别模型共同构成目标驾驶分心识别模型。3.根据权利要求2所述的一种多场景下的驾驶分心识别方法，其特征在于，所述获取多场景下的驾驶分心数据样本集，包括：通过驾驶模拟器构建不同驾驶场景，获取所述不同驾驶场景下分别在进行分心驾驶和正常驾驶状态下的驾驶员头部数据和车辆参数；选取所述驾驶员头部数据和车辆参数中表征驾驶员存在驾驶分心的数据作为所述多场景下的驾驶分心数据样本集中的数据。4.根据权利要求1所述的一种多场景下的驾驶分心识别方法，其特征在于，所述实时获取车辆参数、周边环境信息和驾驶员头部数据，根据车辆参数和周边环境信息确定驾驶场景信息，并将所述车辆参...

【专利技术属性】
技术研发人员：曾娟，许博，王昊，黄炫榕，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：